Детальная информация

Настоящая статья посвящена вопросам разработки и исследования современной информационной системы, ориентированной на эффективное распознавание и комплексный анализ частиц композиционных материалов. Основой предлагаемого решения являются передовые технологии искусственного интеллекта (ИИ), включающие применение глубоких сверточных нейронных сетей для высокоточной классификации изображений частиц. Интеграция системы осуществляется посредством технологий Интернета вещей, обеспечивающих взаимодействие с современным измерительным оборудованием, используемым в промышленных процессах. Одним из ключевых компонентов разработанной системы выступает модуль экспертной оценки, базирующийся на механизмах нечеткого логического вывода. Этот компонент предназначен для повышения точности анализа в ситуациях неопределенности и недостатка полноты исходных данных. Важную роль играет также созданная база знаний, содержащая продукционные правила и специальные функции принадлежности, которые позволяют адекватно обрабатывать описания свойств материалов на уровне лингвистических переменных. Реализация предложенного подхода осуществлена на платформе Python, широко применяемой в области разработки программного обеспечения и обладающей богатыми возможностями благодаря библиотекам для машинного обучения и веб-программирования. Пользовательский интерфейс представлен в виде удобного веб-портала, позволяющего загружать изображения исследуемых образцов, настраивать параметры процесса анализа и получать итоговую информацию в удобной форме, включая графики, таблицы и наглядные визуализации. Практическое внедрение представленной информационной системы существенно сокращает временные затраты на проведение анализа композитных материалов, повышает качество распознавания микроструктурных особенностей и увеличивает общую производительность процессов, характерных для Индустрии 4.0. Особенное значение имеет ее вклад в развитие технологий аддитивного производства, позволяя значительно улучшать контроль качества выпускаемых изделий, снижать издержки и повышать эффективность производственных операций. Поэтому данная разработка становится важнейшим элементом интеллектуальной инфраструктуры современного промышленного предприятия, способствующим повышению экономических показателей и конкурентоспособности продукции. Таким образом, исследование демонстрирует перспективность подходов, основанных на синтезе методов ИИ и новых информационных технологий, открывая новые горизонты для автоматизации и оптимизации технологических процессов в промышленности.

This article addresses the development and research of a modern information system aimed at effective recognition and comprehensive analysis of composite material particles. The proposed solution is based on advanced artificial intelligence (AI) technologies, including the application of deep convolutional neural networks (CNNs) for high-accuracy image classification of particles. System integration is achieved through Internet of Things (IoT) technologies that ensure interaction with modern measurement equipment used in industrial processes. A key component of the developed system is an expert evaluation module based on fuzzy logic inference mechanisms. This component is designed to enhance analysis accuracy in situations characterized by uncertainty or incomplete initial data. A created knowledge base containing production rules and specialized membership functions, also plays a crucial role. It allows for adequate processing of material property descriptions using linguistic variables. The implementation of the proposed approach has been carried out on the Python platform, widely used in software development due to its rich capabilities provided by libraries for machine learning and web programming. The user interface is presented as a convenient web portal, allowing users to upload images of samples under investigation, configure analysis process parameters and obtain final results in a user-friendly format, including graphs, tables and intuitive visualizations. The practical application of this information system significantly reduces time spent on analyzing composite materials, improves microstructural feature recognition quality and increases overall productivity typical of Industry 4.0 processes. It particularly contributes to the development of additive manufacturing technologies by enabling substantial improvement in product quality control, cost reduction and increased efficiency of production operations. Therefore, this development becomes an essential element of intelligent infrastructure for modern industrial enterprises, contributing to improved economic performance and product competitiveness. The study demonstrates the prospects of approaches combining AI methods and new information technologies, opening new horizons for automation and optimization of technological processes in industry.

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. — Загл. с титул. экрана. — Периодичность: 6 раз в год. — Выходит с 2022 г. — Электрон. журнал. — Свободный доступ из сети Интернет (чтение, печать, копирование). — Текст: электронный

π-Economy. — Санкт-Петербург: СПбПУ, 2022 -. Т. 18, № 5 : Развитие экономики и промышленности на основе искусственного интеллекта, 2025. — 1 файл (5,34 Мб). — Свободный доступ из сети Интернет (чтение, печать, копирование). — <URL:http://elib.spbstu.ru/dl/2/j26-22.pdf>.